[データ解析の研究ノートのday08] +エレメンタルndarray要素処理エレメント統計が機能演算機能+ + +関数に要素を並べ替え機能要素を判断します

要素の演算機能

1. ceil()：最も近い整数、数又は配列のパラメータまで
2. floor()：最も近い整数、数または配列パラメータにダウン
3. rint()：丸め、または配列パラメータは数であります
4. isnan()：要素がNaN（非数）、数値またはパラメーター配列であるかどうかを決定します
5. multiply()：乗算要素、番号、またはアレイのパラメータ
6. divide()：分割素子、またはアレイのパラメータは数であります
7. abs()：パラメータは、数値または配列要素の絶対値であります
8. where(condition, x, y)：三項演算子、X条件他のyの場合

サンプルコード（1,2,3,4,5,6,7）：

# randn() 返回具有标准正态分布的序列。
arr = np.random.randn(2,3)

print(arr)

print(np.ceil(arr))

print(np.floor(arr))

print(np.rint(arr))

print(np.isnan(arr))

print(np.multiply(arr, arr))

print(np.divide(arr, arr))

print(np.where(arr > 0, 1, -1))

結果：

# print(arr)
[[-0.75803752  0.0314314   1.15323032]
 [ 1.17567832  0.43641395  0.26288021]]

# print(np.ceil(arr))
[[-0.  1.  2.]
 [ 2.  1.  1.]]

# print(np.floor(arr))
[[-1.  0.  1.]
 [ 1.  0.  0.]]

# print(np.rint(arr))
[[-1.  0.  1.]
 [ 1.  0.  0.]]

# print(np.isnan(arr))
[[False False False]
 [False False False]]

# print(np.multiply(arr, arr))
[[  5.16284053e+00   1.77170104e+00   3.04027254e-02]
 [  5.11465231e-03   3.46109263e+00   1.37512421e-02]]

# print(np.divide(arr, arr))
[[ 1.  1.  1.]
 [ 1.  1.  1.]]

# print(np.where(arr > 0, 1, -1))
[[ 1  1 -1]
 [-1  1  1]]

統計関数の要素

1. np.mean()、np.sum()：、すべての要素およびパラメータは、数や配列のすべての要素の平均値であります
2. np.max()、np.min()：すべての要素、最小値のすべての要素の最大値は、パラメータは、数値または配列であります
3. np.std()、np.var()：要素のすべての標準偏差、分散、または配列パラメータのすべての要素は、数あります
4. np.argmax()、np.argmin()：最大インデックス値インデックス、最小インデックス、番号または配列パラメータのインデックス値
5. np.cumsum()、np.cumprod()一次元アレイ、各要素と前のすべての蓄積素子と疲れ製品番号または配列パラメータを返します
6. すべての次元の多次元配列のデフォルトの統計情報は、axisパラメータは、統計の指定した軸の値とすることができる0プレスカラム統計の値1プレス行統計。

サンプルコード：

arr = np.arange(12).reshape(3,4)
print(arr)

print(np.cumsum(arr)) # 返回一个一维数组，每个元素都是之前所有元素的 累加和

print(np.sum(arr)) # 所有元素的和

print(np.sum(arr, axis=0)) # 数组的按列统计和

print(np.sum(arr, axis=1)) # 数组的按行统计和

結果：

# print(arr)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

# print(np.cumsum(arr)) 
[ 0  1  3  6 10 15 21 28 36 45 55 66]

# print(np.sum(arr)) # 所有元素的和
66

# print(np.sum(arr, axis=0)) # 0表示对数组的每一列的统计和
[12 15 18 21]

# print(np.sum(arr, axis=1)) # 1表示数组的每一行的统计和
[ 6 22 38]

機能要素の分析

1. np.any()：指定された条件が満たされている少なくとも一つの要素は、Trueを返すがあります
2. np.all()：すべての要素は、指定された基準を満たす、Trueが返されます

サンプルコード：

arr = np.random.randn(2,3)
print(arr)

print(np.any(arr > 0))
print(np.all(arr > 0))

結果：

[[ 0.05075769 -1.31919688 -1.80636984]
 [-1.29317016 -1.3336612  -0.19316432]]

True
False

リオーダー機能の要素

np.unique()：固有の値を検索し、Pythonのコレクションのセットに似たソートの結果を返します

サンプルコード：

arr = np.array([[1, 2, 1], [2, 3, 4]])
print(arr)

print(np.unique(arr))

結果：

[[1 2 1]
 [2 3 4]]

[1 2 3 4]

著作権©BigCatは、すべての権利、予約Gitbookを搭載し「改訂時間：2017年3月12日夜11時55分41秒」